基于表情识别的课堂状态检测分析.pdfVIP

116基于表情识别的课堂状态检测分析

基于表情识别的课堂状态检测分析

AnalysisofClassroomStatusDetectionBasedonExpressionRecognition

李燕苹（上海大学教务部，上海200444）

李一凡（上海大学通信与信息工程学院，上海200444）

摘要：随着科学技术的不断发展，人工智能技术也逐渐应用于日常教学之中。设计了一种基于表情识别的课堂状态检

测分析方法，该方法通过实时检测学生的表情信息和学生在课堂中的专注率指标检测课堂状态。其中，表情信息的获取算

法以深度学习技术为背景，卷积神经网络技术为基础，建立了表情识别模型。该模型以残差网络ResNet18为主干网络，并

添加了注意力机制作为辅助模块进一步引导表情特征融合过程，提高了模型的泛化能力和识别准确性。所设计的课堂状态

检测方法能够高效地检测和记录学生的上课状态，为老■师了解授课质量和改变授课方式提供一个有力的参考依据。

关键词：课堂状态检测分析；深度学习；卷积神经网络;表情识别

Abstract:Thispaperdesignsaclassroomstatedetectionandanalysismethodbasedonexpressionrecognition,which

detectstheclassroomstatebyreal-timedetectionofstudentsexpressioninformationandstudentsconcentrationratein­

dexintheclassroom.Amongthem,thealgorithmofobtainingexpressioninformationisbasedondeeplearningtechnology

andconvolutionalneuralnetworktechnologytoestablishtheexpressionrecognitionmodel.Themodelusestheresidualnet­

workResNet18asthebackbonenetwork,andaddstheattentionmechanismasanauxiliarymoduletofurtherguidethe

expressionfeaturefusionprocess,whichimprovesthegeneralizationabilityandrecognitionaccuracyofthemodel.The

classroomstatusdetectionmethoddesignedinthispapercanefficientlydetectandrecordstudentsclassroomstatus,pro-

vidingapowerfulreferencebasisforteacherstounderstandthequalityoflecturesandchangetheteachingmethods.

Keywords:classroomstatedetectionandanalysismethod,deeplearning,convolutionalneuralnetwork,expressionrecognition

2021年“国际人工智能与教育会议”在线上举行，会议的主1.1表情识别模型主干网络

题为“确保人工智能服务共同利益，促进教育变革”。随着科学技CNN是由卷积层、池化层、全连接层等模块相互堆叠形成

术的不断发展，传统领域与人工智能技术融合成为了时代趋势。